有哪些信誉好的足球投注网站- 1、本文档共17页，可阅读全部内容。
- 2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
第十六章
制造大数据分析方法
制造数据产生、转化、存储
数据挖掘技术
商务智能分析
大数据分析技术
制造大数据可视化分析系统
制造数据产生、转化、存储
制造业大数据是工业数据的总和，我们把它分成三类，即企业信息化数据、工业物联网数据，以及外部跨界数据。其中，企业信息化和工业物联网中机器产生的海量时序数据是工业数据规模变大的主要来源。近年来物联网技术快速发展，工业物联网成为制造业大数据新的、增长最快的来源之一。
16.1.1制造业大数据分类
制造数据产生、转化、存储
各种类型的制造业大数据都是通过传感器和RFID（RadioFrequencyIdentification，射频识别）进行收集的。RFID技术是一种非接触式的自动识别技术，通过射频信号自动识别目标对象并获取相关的数据信息。利用射频方式进行非接触双向通信，达到识别目的并交换数据。数据采集技术难点主要包括以下几方面：
数据量巨大
工业数据的协议不标准
视频传输所需带宽巨大
对原有系统的采集难度大
安全性考虑不足
16.1.2制造业大数据的收集
制造数据产生、转化、存储
存储和管理多源异构和多模态这两种类型的工业大数据的关键技术
多源异构数据（Multi-sourceHeterogeneousData）是指数据源不同、数据结构或类型不同的数据集合。多源异构数据管理需要从系统角度，针对工业领域涉及的数据在不同阶段、不同流程呈现多种模态（关系、图、键值、时序、非结构化）的特点，研制不同的数据管理引擎致力于对多源异构数据进行高效地采集、存储和管理。多源异构数据管理技术可有效解决大数据管理系统中由模块耦合紧密、开放性差而导致的系统对数据多样性和应用多样性的适应能力差的问题，使大数据管理系统能够更好地适应数据和应用的多样性并能够充分利用开源软件领域强大的技术开发和创新能力。
多模态数据（Multi-modalData）是指表征同一事物的不同来源和形式的数据。在数据生命周期管理中，多模态数据存储分散、关系复杂，在研发、制造周期以BOM为主线，在制造、服务周期以设备实例为中心，BOM和设备的语义贯穿了工业大数据的整个生命周期。数据集成的核心任务是要将互相关联的多模态数据集成到一起，使用户能够以透明的方式访问这些数据源。
16.1.3大数据存储与管理技术
数据挖掘技术
数据挖掘（DataMining）就是从真实的、大量的、有噪声的数据源中提取先前未知的可供用户接受、理解、运用的潜在知识的过程。数据挖掘技术提取的知识从广义上理解就是人们口中常说的数据与信息。
16.2.1数据挖掘概念与功能
数据挖掘任务的基本步骤
数据挖掘技术
分类。分类用于预测离散的目标变量，找出数据库中一组数据对象的共同特点并按照分类模式将其划分为不同的类。
回归。回归分析方法用于预测连续的目标变量，发现变量或属性间的依赖关系。
聚类分析。聚类分析是将数据划分成有意义、解释性强的组，在数据中发现描述对象及其关系的信息。
关联分析。关联规则是描述数据库中数据项之间所存在的隐藏关系的规则。
异常检测。异常检测就是发现与大部分其他对象存在偏差的对象。
Web页挖掘。通过对Web的挖掘，可以利用Web的海量数据进行分析，收集政治、经济、政策、科技、金融、各种市场、竞争对手、供求信息、客户等有关的信息。
16.2.2数据挖掘常用方法
数据挖掘技术
时序分析。智能化工业生产设备上安装了大量的传感器，这些传感器不断产生检测生产设备温度、压力、位移重量、震动的海量的时间序列数据以用于诊断和预警设备故障，以便制造企业监控生产、控制能耗、分析设备利用率。
知识图谱。工业生产过程中会积累大量的日志文本，此类非结构化数据中蕴含着丰富的专家经验，利用文本分析的技术能够实现事件实体和类型提取（故障类型抽取）、事件线索抽取（故障现象、征兆、排查路线、结果分析），通过专家知识的沉淀实现专家知识库（故障排查知识库、运维检修知识库、设备操作知识库）。
多源数据融合。在企业生产经营、采购运输等环节中，会有大量的管理经营数据，利用这些数据可实现供应链协同、精准销售、市场调度、产品追溯、能力分析、质量管控等等。
16.2.3数据挖掘技术在工业大数据的应用
商务智能分析
16.3.1商务智能概述及模型分析
商务智能（BusinessIntelligence）最早于1989年由GarnerGroup的分析师HowardDresner首次提出，为提高企业运营绩效而采取的一系列方法，软件和技术，通过应用相应的支持系统来辅助商业决策的制定。在企业积累的海量数据源基础上，面向动态分析决策需求，针对特定的决策问题进行建模，确定运算规则，为支持企业动态决策提供理论方法和算法支撑，是商务智能的重要研究方向。
商务智能分析
16.3.2商务智能
文档评论（0）